Acta Agrophysica, 2006, 8(4), 963
Transkrypt
Acta Agrophysica, 2006, 8(4), 963
Acta Agrophysica, 2006, 8(4), 963-974 OCENA MOśLIWOŚCI ZASTOSOWANIA SKCS DO WYKRYWANIA FUZARIOZY W ZIARNIE PSZENICY Ryszard Siuda1, Andrzej Grabowski1, Stanisław Grundas2 1 Instytut Matematyki i Fizyki, Uniwersytet Technologiczno-Przyrodniczy ul Kaliskiego 7, 85-796 Bydgoszcz e-mail: [email protected] 2 Instytut Agrofizyki im. Bohdana Dobrzańskiego PAN, ul. Doświadczalna 4, 20-290 Lublin S t r e s z c z e n i e . Za pomocą urządzenia SKCS (Single Kernel Characterization System) wykonano pomiary masy, średnicy zastępczej, wilgotności i twardości pojedynczych ziarniaków dwóch odmian pszenicy ozimej (Kris i Turnia). W obu odmianach występowało ziarno poraŜone Fusarium culmorum (zebrane z poletek po inokulacji grzybem) oraz zdrowe (z poletek bez inokulacji). Część materiału poraŜonego podzielono na kategorie stopnia poraŜenia według widocznych objawów. Otrzymane z SKCS wyniki dla wszystkich kategorii poraŜenia poddano analizie głównych składowych oraz liniowej analizie dyskryminacyjnej. Stwierdzono, Ŝe zastosowane metody pozwalają odróŜnić ziarno zdrowe od poraŜonego, jednak otrzymana wartość współczynnika Fishera 3,56 pokazuje, Ŝe rozróŜnienie jest niewystarczające do ewentualnego zastosowania metody w praktyce. Te same metody analizy zastosowano do większej liczby próbek ziarna zdrowego i poraŜonego (bez wyróŜniania stopnia poraŜenia) obu odmian pszenicy. Wyniki liniowej analizy dyskryminacyjnej w tym przypadku charakteryzuje wartość współczynnika Fishera równa 28,6. Wskazuje to na moŜliwość praktycznego zastosowania wyników pomiarów SKCS do wykrywania fuzariozy w ziarnie pszenicy, jednak pod warunkiem, Ŝe obecne wyniki znajdą potwierdzenie dla większej liczby odmian pszenicy. S ł o w a k l u c z o w e : właściwości fizyczne ziarniaków, pszenica, fuzarioza WSTĘP PoraŜenie ziarna pszenicy grzybami Fusarium spp. stanowi powaŜny problem zarówno ekonomiczny (obniŜenie jakości ziarna), jak i zdrowotny (zanieczyszczenie mikotoksynami). Z tych względów moŜliwość wykrywania oraz ocena stopnia poraŜenia ziarna fuzariozą jest istotnym zagadnieniem skupiającym uwagę badaczy z wielu ośrodków naukowych w róŜnych krajach. 964 R. SIUDA i in. Poziom zanieczyszczenia ziarna mikotoksynami moŜna wyznaczyć za pomocą metod chemicznych (standardową metodę stanowią róŜne odmiany chromatografii cieczowej i/lub gazowej) [7]. JednakŜe metody chemiczne są czaso- i kosztochłonne, w związku z czym poszukuje się metod szybszych i tańszych, wykorzystujących pomiary rozmaitych wielkości fizycznych. Poszukiwania te w większości koncentrowały się na pomiarach optycznych i doprowadziły do ustalenia róŜnic właściwości optycznych ziarna zdrowego i poraŜonego [1,3] oraz opracowania rozwiązań wykorzystujących te róŜnice do zastosowania w praktyce [2,8]. Metody te wymagają jednak zaawansowanych technologii, co nie pozostaje bez wpływu na koszty urządzeń i w związku z tym ogranicza zakres ich stosowalności. Wskutek tego wydaje się uzasadnione poszukiwanie metod, które byłyby technologicznie prostsze a mimo to przydatne w praktyce. W tym kontekście pojawia się pytanie o ewentualną moŜliwość wykorzystania pomiarów, których przeprowadzenie umoŜliwia SKCS (Single-Kernel Characterization System) [4,6]. Wyniki przedstawione w dalszej części pracy pokazują, Ŝe poraŜenie wpływa na wartości wymienionych parametrów, jednak trudno jednoznacznie rozróŜnić ziarno zdrowe od poraŜonego na podstawie wartości średnich mierzonych parametrów poniewaŜ odchylenia standardowe ich rozkładów są duŜe. MoŜna oczekiwać, Ŝe analiza statystyczna łącznych róŜnic właściwości tych cech, przeprowadzona za pomocą metod wielowymiarowej analizy statystycznej (takich jak analiza głównych składowych i liniowa analiza dyskryminacyjna [10]), poprawi moŜliwości diagnozy odnośnie występowania fuzariozy i określenia stopnia poraŜenia. Niniejsza praca ma na celu rozpoznanie potencjalnych moŜliwości związanych z zastosowaniem pomiarów SKCS do wykrywania poraŜenia ziarna pszenicy fuzariozą. MATERIAŁ DOŚWIADCZALNY, POMIARY I WYNIKI Materiał Materiałem doświadczalnym było ziarno dwóch odmian pszenicy ozimej Kris i Turnia. Pszenica Kris pochodziła ze zbioru w roku 2004, przy czym dysponowano ziarnem z poletka, na którym pszenica rosła w warunkach naturalnych oraz z poletka, na którym w okresie kwitnienia kłosów dokonano ich inokulacji zarodnikami Fusarium culmorum. Po zbiorze ziarno z obu poletek wysuszono w powietrzu, po czym część materiału poraŜonego grzybem podzielono na cztery kategorie poraŜenia wedle wizualnej oceny intensywności objawów poraŜenia. Wyodrębniono kategorie: brak objawów poraŜenia (symbol „O”), słabe nasilenie objawów („I”), średnie nasilenie („II”) i silne („III”). Podobnie postąpiono z odmianą Turnia w roku 2005. Jednak w tym przypadku, ze względu na mniejszą liczebność materiału, całe ziarno pochodzące z poletka zainfekowanego grzybem OCENA MOśLIWOŚCI ZASTOSOWANIA SKCS DO WYKRYWANIA FUZARIOZY 965 podzielono na trzy kategorie nasilenia objawów poraŜenia, tj. „O”, „I” i „II”. Dla obu odmian ziarno kontrolne (z poletek, na których pszenicę nie poddano inokulacji) oznaczano symbolem „H”, zaś ziarno poraŜone przed wyodrębnieniem kategorii poraŜenia - symbolem „M” (poraŜone-mieszane). Pomiary SKCS i wyniki Pomiary za pomocą SKCS (firmy Perten, Szwecja) wykonano na próbkach losowo pobranych z wszystkich kategorii ziarna dla obu odmian pszenicy. SKCS pozwala w czasie około 3 minut pomierzyć wartości masy – m, średnicy zastępczej – s, wilgotności – w oraz twardości – t dla 300 ziarniaków. Próbki liczyły od 208 do 291 ziarniaków. Pojedyncze ziarniaki z poszczególnych próbek nie nadawały się do pomiaru za pomocą automatycznego urządzenia bo były zbyt małe, lub były pokruszone. Liczba takich odrzuconych ziarniaków wahała się w granicach 2 do 3% liczebności próbki. Wyniki wartości średnich mierzonych parametrów zestawiono w tabeli 1. Jak widać z danych zamieszczonych w tabeli 1, masa i średnica zastępcza systematycznie maleją ze wzrostem stopniem poraŜenia. Przeliczenie średniej masy przy danej wilgotności na suchą masę (na podstawie zaleŜności podanych w [5]) daje wartości niŜsze, jednak z zachowaniem tendencji widocznej w tabeli 1. Wilgotność i twardość zmieniają się w sposób nie tak regularny, chociaŜ druga z tych cech ma wartości ogólnie większe dla ziarna poraŜonego niŜ dla zdrowego. Tabela 1. Wartości średnie i odchylenia standardowe masy, średnicy zastępczej, wilgotności i twardości pojedynczych ziarniaków Table 1. Mean values and standard deviation of mass, diameter, moisture and hardness for single kernels Odmiana Cultivar Kris Turnia Kategoria Category Kod próbki Sample code m (mg) s (mm) w (%) T (–) H 1 46,1 ± 11 2,98 ± 0,64 12,6 ± 0,3 46,2 ± 14 M 2 33,7 ± 13 2,63 ± 0,67 10,6 ± 0,4 58,5 ± 21 O 3 42,2 ± 11 2,90 ± 0,58 13,5 ± 0,4 69,9 ± 19 I 4 38,1 ± 12 2,80 ± 0,62 13,3 ± 0,3 72,9 ± 17 II 5 30,2 ± 10 2,47 ± 0,58 12,9 ± 0,4 65,9 ± 19 III 6 25,1 ± 9 2,24 ± 0,51 11,8 ± 0,6 46,9 ± 22 H 7 54,5 ± 10 3,44 ± 0,52 11,3 ± 0,3 58,5 ± 18 M 8 43,1 ± 13 2,95 ± 0,60 9,3 ± 0,4 57,8 ± 21 O 9 59,9 ± 12 3,19 ± 0,60 9,6 ± 0,5 56,4 ± 16 I 10 44,6 ± 12 3,01 ± 0,59 9,2 ± 0,3 63,6 ± 17 II 11 35,9 ± 11 2,71 ± 0,55 9,2 ± 0,5 47,0 ± 26 966 R. SIUDA i in. Na podstawie tych danych wyliczono współczynniki korelacji Pearsona pomiędzy wartościami poszczególnych cech. Ewentualna duŜa wartość współczynnika korelacji pomiędzy cechami daje moŜliwość zmniejszenia liczby cech bez utraty informacji. Jednak intuicyjne oczekiwania co do wartości korelacji nie zawsze znajdują potwierdzenie empiryczne, czego przykładem moŜe być obserwowana niekiedy słaba korelacja pomiędzy długością a grubością ziarniaków [9]. Dla danych z tabeli 1 silną korelację, 0,993, stwierdzono tylko pomiędzy wartościami m oraz s, znacznie słabszą korelacje, 0,393, otrzymano dla w oraz t. WYNIKI WIELOWYMIAROWEJ ANALIZY STATYSTYCZNEJ Wszystkie kategorie ziarna Analiza głównych składowych Wyniki pomiarów zestawione w tabeli 1 poddano analizie głównych składowych (AGS). Obliczenia wykonano za pomocą pakietu PLS w środowisku Matlab (MathWork, Inc., Natick, USA). Wartości własne macierzy kowariancji utworzonej na podstawie danych zawartych w tabeli 1 są proporcjonalne do wariancji, którą przypisuje się kolejnym głównym składowym (GS). W tabeli 2 zestawiono wartości własne, odpowiadające im wariancje oraz tzw. wariancję skumulowaną, która informuje jaką wariancję uwzględniałby model, gdyby wykorzystać odpowiednią liczbę kolejnych GS. Z przytoczonych danych wynika, Ŝe ostatnia, czwarta GS ma charakter odbiegający wyraźnie od pierwszych trzech poniewaŜ związana z nią wariancja jest mniejsza o około dwa rzędy wielkości niŜ wariancja poprzedniej GS. MoŜna w związku z tym uznać, Ŝe model wykorzystujący pierwsze trzy GS będzie opisywał prawie całą informację zawartą w danych z tabeli 1. Tabela 2. Podstawowe dane charakteryzujące istotność głównych składowych (GS) otrzymanych dla danych zawartych w tabeli 1 Table 2. Basic data characterizing importance of principal components (PC) received for the data from Table 1 Nr GS No. of PC Wartość własna Eigenvalue Wariancja Variance (%) Wariancja skumulowana Cumulative variance (%) 1 2,090 52,4 52,4 2 1,370 34,4 86,7 3 0,527 13,2 99,9 4 0,005 0,1 100,0 OCENA MOśLIWOŚCI ZASTOSOWANIA SKCS DO WYKRYWANIA FUZARIOZY 2 4 967 3 1.5 1 5 GS2 0.5 7 0 10 1 2 -0.5 9 8 -1 6 -1.5 11 -2 -3 -2 -1 0 GS1 a) 1 2 3 2 1 1.5 1 GS3 0.5 7 6 3 0 5 4 2 -0.5 11 9 8 -1 10 -1.5 -2 -3 b) -2 -1 0 GS1 1 2 3 Rys 1. Dwuwymiarowe wykresy wszystkich kategorii ziarna pszenicy we współrzędnych: a) GS2 vs. GS1 i b) GS3 vs. GS1. Kółka odpowiadają odmianie Kris a trójkąty odmianie Turnia. Symbole wypełnione odpowiadają ziarnu kontrolnemu natomiast puste – poraŜonemu Fig 1. Two-dimensional plots for all categories of wheat grain, in coordinates: a) GS2 vs. GS1 and b) GS3 vs. GS1. Circles are for cultivar Kris, and triangles for cultivar Turnia. Full symbols denote healthy grain while empty symbols – damaged grain Dwuwymiarowe mapy (wykresy) obiektów (kategorii ziarna) pokazują, Ŝe włączenie trzeciej GS jest konieczne, poniewaŜ to ona stwarza moŜliwość rozróŜniania pomiędzy ziarnem zdrowym i poraŜonym. We współrzędnych utworzonych przez GS1 i GS2 (rys. 1a) nie widać, Ŝeby kategorie 1 i 7 (ziarno kontrolne, odpo- 968 R. SIUDA i in. wiednio Kris i Turnia) odbiegały lokalizacją od pozostałych kategorii, w przeciwieństwie do współrzędnych związanych z GS1 i GS3 (rys.1b), gdzie moŜna zaobserwować tendencję do odrębnej lokalizacji obiektów 1 i 7 od pozostałych. Liniowa analiza dyskryminacyjna Wspomnianą róŜnicę lokalizacji punktów odpowiadających ziarnu kontrolnemu i poraŜonemu moŜna wyrazić liczbowo za pomocą liniowej analizy dyskryminacyjnej (LAD) [10]. LDA dla przypadku dwóch kategorii obiektów (u nas: A – kontrolne, B – poraŜone) pozwala wyznaczyć taki kierunek w przestrzeni trzech GS, wzdłuŜ którego występuje największe rozsunięcie pomiędzy miejscami obiektów z obu kategorii. Współrzędne, D, rzutu punktów z trzech głównych składowych na ten kierunek są następujące: 11,5±4,2 dla punktów odpowiadających materiałowi kontrolnemu oraz –11,5±4,9 dla punktów pozostałych (wszystkie kategorie ziarna poraŜonego). Odległość kategorii wynosi zatem 23 jednostki, jednak odchylenia standardowe są znaczne, bo powyŜej 4 jednostek. Miarą istotności otrzymanego rozsunięcia punktów w obu kategoriach jest stosunek Fishera, zdefiniowany jako [10] F AB = D A − DB s 2A + s B2 , (1) gdzie DA i DB oraz sA i sB są, odpowiednio, wartościami współrzędnej D i jej odchylenia standardowego dla kategorii A i B. Wartość tego stosunku wynosi 3,56, co znaczy, Ŝe rozsunięcie obu kategorii jest wprawdzie statystycznie istotne, ale zbyt małe, by moŜna na tej podstawie klasyfikować ziarno w praktyce. WyŜej przedstawione wyniki pomiarów SKCS i ich analiza wykazały czułość tego typu pomiarów na stopień poraŜenia ziarna fuzariozą. Świadczą o tym połoŜenia na rys. 1b par punktów 3 i 9 (kategoria „O”), 4 i 10 (kategoria „I”) i innych. Widać tendencję do wzrostu odległości od połoŜenia pary 1 i 7 (kategoria „H”) ze wzrostem stopnia poraŜenia. Jednak w aspekcie potencjalnego zastosowania praktycznego pomiarów SKCS, najwaŜniejsza jest moŜliwość wykrywania obecności ziarniaków poraŜonych w próbkach, w których dominują ziarniaki zdrowe. Z tego względu waŜna jest ocena zróŜnicowania wyników otrzymanych dla kategorii H i M, poniewaŜ moŜna się spodziewać, Ŝe kategoria M jest najbardziej reprezentatywna dla ziarniaków poraŜonych, które mogą się pojawić w ziarnie zainfekowanym w warunkach naturalnych. OCENA MOśLIWOŚCI ZASTOSOWANIA SKCS DO WYKRYWANIA FUZARIOZY 969 Ziarno zdrowe i poraŜone (mieszane) W celu zwiększenia liczebności danych odnoszących się do kategorii H i M, z wyników pomiarów otrzymanych dla próbek 1 (Kris H), 7 (Turnia H), 2 (Kris M) oraz 8 (Turnia M) dziesięciokrotnie wylosowano mniej liczne zespoły danych. W wyniku otrzymano dane dla 40 próbek, dla których następnie powtórzono wszystkie wyŜej opisane etapy analizy. Stwierdzono, Ŝe współczynnik korelacji pomiędzy masą i średnicą zastępczą ziarniaka wynosi obecnie 0,979, masą i wilgotnością 0,362, a wilgotnością i twardością –0,746. Analiza głównych składowych W tabeli 3 zestawiono wartości własne i odpowiednie wariancje dla kolejnych GS. Porównanie wartości z tabel 2 i 3 dowodzi, Ŝe obecnie dane są bardziej jednorodne (większe wariancje związane z dwiema pierwszymi GS i zmniejszona wariancja odpowiadająca GS3). Tabela 3. Podstawowe wielkości charakteryzujące istotność głównych składowych otrzymanych dla ziarna zdrowego i poraŜonego i dwóch odmian (Kris i Turnia) pszenicy Table 3. Basic data characterizing importance of principal components received for healthy and damaged grain for two cultivars of wheat (Kris and Turnia) Nr GS No. of PC Wartość własna Eigenvalue Wariancja Variance (%) Wariancja skumulowana Cumulative Variance (%) 1 2,220 55,5 55,5 2 1,570 39,3 94,8 3 0,207 5,2 99,9 4 0,003 0,1 100,0 Układ punktów na dwuwymiarowej mapie obiektów (rzut na płaszczyznę wyznaczoną przez GS1 i GS2) pokazuje, Ŝe GS1 dzieli materiał na kontrolny lub poraŜony, podczas gdy GS2 rozróŜnia odmiany (rys 2a). Ocena przydatności GS3 do rozróŜnienia między ziarnem kontrolnym i poraŜonym nie jest tak jednoznaczna jak poprzednio, ale związana z nią wariancja jest jednak na poziomie 5%, w związku z czym warto tę GS włączyć do modelu. Przyjmujemy zatem model trójwymiarowy, a odpowiedni wykres pokazuje rysunek 2b), na którym widoczne jest rozsunięcie pomiędzy punktami odpowiadającymi ziarnu kontrolnemu i poraŜonemu. 970 R. SIUDA i in. 2 Turnia H 1.5 Turnia M 1 GS2 0.5 0 -0.5 -1 Kris M Kris H -1.5 -2 -3 -2 -1 0 GS1 a) 1 2 3 Turnia H 1 Kris M 0.5 GS3 Kris H 0 -0.5 Turnia M -1 2 1 0 GS 2 b) -1 -2 -3 -2 -1 0 1 2 GS1 Rys. 2. Wykresy dla ziarna zdrowego i poraŜonego dwóch odmian pszenicy we współrzędnych: a) GS2 vs. GS1 i b) GS1 vs. GS2 vs. GS3 . Kółka odpowiadają odmianie Kris, a trójkąty odmianie Turnia. Symbole wypełnione odpowiadają ziarnu kontrolnemu, natomiast puste – poraŜonemu Fig. 2. Plots for two cultivars of healthy and damaged wheat in coordinates: GS2 vs. GS1 and b) GS3 vs. GS2 vs. GS1. Circles are for cultivar Kris, triangles for cultivar Turnia. Full symbols denote healthy grain while empty symbols denote damaged grain OCENA MOśLIWOŚCI ZASTOSOWANIA SKCS DO WYKRYWANIA FUZARIOZY 971 Liniowa analiza dyskryminacyjna zastosowana do dystrybucji 20 punktów z klasy A (Kris H i Turnia H) oraz 20 punktów z kategorii B (Kris M i Turnia M), daje wartości DA = 803±35 oraz DB = –803±44. Współczynnik Fishera wyliczony dla tych wartości wynosi 28,6. Liniowa analiza dyskryminacyjna Analiza czynnikowa Główne składowe są nowymi zmiennymi wyraŜonymi przez kombinacje liniowe zmiennych oryginalnych i zazwyczaj nie posiadają bezpośredniej interpretacji merytorycznej. Dlatego wygodniej jest dysponować zmiennymi, które równieŜ są nie skorelowane (ortogonalne kierunki), ale które mają bardziej bezpośrednie znaczenie. W celu otrzymania takich zmiennych często stosuje się rotację w przestrzeni GS, czyli wprowadza się nowe osie (zmienne) w taki sposób, aby wariancja składowych wektorów kierunkowych osiągnęła maksimum (tzw. rotacja varimax [10]). Po takiej transformacji osie nowego układu współrzędnych znajdują się moŜliwie blisko kierunków w przestrzeni określających zmienne wejściowe. Osie takie nazywamy czynnikami lub variwektorami. Tabela 4 zawiera wektory własne po analizie głównych składowych oraz po rotacji varimax. Okazuje się, Ŝe w pierwszym czynniku udział mają w równym stopniu masa i średnica zastępcza. Udział w drugim czynniku ma wyłącznie twardość, a w trzecim – wilgotność. Zatem z czterech oryginalnych zmiennych z SKCS dostajemy trzy zmienne efektywne, z których najwaŜniejsza jest kombinacją liniową (w równych proporcjach) masy i średnicy ziarniaka, druga zmienna odpowiada twardości, a trzecia wilgotności. Układ obiektów po rotacji varimax na dwuwymiarowej mapie (rys. 3) pokazuje, Ŝe do rozróŜniania ziarna poraŜonego fuzariozą i zdrowego potrzebne są pierwszy i trzeci czynnik czyli masa wraz ze średnicą oraz wilgotność. Tabela 4. Wagi zmiennych oryginalnych w poszczególnych głównych składowych oraz czynnikach Table 4. Loadings in particular principal components and factors Zmienne oryginalne Original variables Główne składowe Principal components GS1 GS1 GS1 F1 Czynniki Factors F2 F3 m 0,61 0,31 –0,20 0,71 0,10 0,01 s 0,56 0,44 –0,04 0,70 0,11 0,02 w 0,47 –0,50 0,72 0 0 0,99 t –0,30 0,67 0,66 0 0,98 0 972 R. SIUDA i in. 1.5 Kris H 1 Turnia H F3 0.5 0 -0.5 Kris M -1 -1.5 Turnia M -2 -1 0 F1 1 2 Rys. 3. Mapa obiektów po rotacji varimax. Symbole wypełnione oznaczają ziarno zdrowe, a bez wypełnienia – ziarno poraŜone. Kółka oznaczają odmianę Kris a trójkąty odmianę Turnia Fig. 3. Map of objects after varimax rotation. Full symbols are for healthy grain whereas empty symbols are for damaged grain. Circles are for cultivar Kris and triangles for cultivar Turnia PODSUMOWANIE Średnie wartości cech fizycznych moŜliwych do pomierzenia za pomocą SKCS wykazują róŜnice dla ziarniaków zdrowych i poraŜonych, jednak róŜnice te analizowane z osobna nie są – przy uwzględnieniu odchyleń standardowych – wystarczająco duŜe, by mogły stanowić podstawę do rozróŜniania ziarna poraŜonego i zdrowego w praktyce. Pokazano, Ŝe zastosowanie liniowej analizy dyskryminacyjnej do wyników pomiarów poprawia moŜliwości rozróŜniania ziarna zdrowego i poraŜonego. Jako miarę róŜnicy przyjęto wartość współczynnika Fishera, która dla próbek mieszanych (bez podziału na stopnie poraŜenia) i zdrowych obu odmian, wynosi 28,6. Odwrotność tej wartości (ok. 0,035) jest przybliŜoną procentową miarą zdolności metody do wykrywania obecności materiału poraŜonego, co znaczy, Ŝe materiał zawierający średnio 4 ziarniaki poraŜone na 100 powinien być odróŜnialny od zdrowego. Ten wynik wydaje się obiecujący, bo sugeruje moŜliwość praktycznego zastosowania prostych i wystarczająco szybkich pomiarów za pomocą SKCS do wykrywania poraŜenia fuzariozą. JednakŜe wykorzystany w niniejszej pracy materiał badawczy nie jest wystarczająco reprezentatywny. Dlatego sformułowanie ostatecznej opinii o przydatności przedstawionego podejścia wymaga zebrania danych dla większej liczby odmian pszenicy i sprawdzenia na nich przydatności proponowanej w pracy metody. OCENA MOśLIWOŚCI ZASTOSOWANIA SKCS DO WYKRYWANIA FUZARIOZY 973 PODZIĘKOWANIA Autorzy dziękują prof. Czesławowi Sadowskiemu (Katedra Fitopatologii Uniwersytetu Technologiczno-Przyrodniczego w Bydgoszczy) za dostarczenie materiału doświadczalnego. Nakłady finansowe niezbędne do prowadzenia badań pochodziły ze środków badań statutowych (projekt BS-16/2005). PIŚMIENNICTWO 1. Delwiche S.R., Hareland G.A.: Detection of scab-damaged hard red spring wheat kernels by near-infrared reflectance. Cereal Chemistry 81, 643-649, 2004. 2. Dowell F.E., Maghirang E.B., Graybosch R.A., Baenziger P.S., Baltensperger D.D., Hansen L.E.: An automated single-kernel nearinfrared trait selection system. Cereal Chemistry, submitted. 3. Dowell F.E., Ram M.S., Seitz L.M.: Predicting scab, vomitoxin, and ergosterol in single wheat kernels using near-infrared spectroscopy. Cereal Chemistry, 76, 573-576, 1999. 4. Martin C.R., Rousser R., Brabec D.L.: Development of a Single-Kernel Wheat Characterization System, Trans. ASAE, 36, 1399-1404, 1993. 5. Muramatsu Y., Tagawa A., Kasai T., Takeya K.: Volume changes of wheat and barley soaking in water. Journal of Food Engineering 73, 364-369, 2006. 6. Osborne B.G., Anderssen R.S.: Single-Kernel Characterization Principles and Applications. Cereal Chemistry, 80, 613-622, 2003. 7. Osenbruggen van W.A., Pettersson H.: Analysis of relevant Fusarium mycotoxins in cereals – state of the art. In: Food safety of cereals: A chain-wide approach to reduce Fusarium Mycotoxins, Scholten O.E., Ruckenbauer P., Visconti A., van Osenbruggen W.A., den Nijs A.P.M. (Eds.). European Commission, 41-49, 2002. 8. Pasikatan M.C., Dowell F.E.: Sorting systems based on optical methods for detecting and removing seeds infested internally by insects or fungi: a review. Applied Spectroscopy Reviews, 36, 399-416, 2001. 9. Szot B.: Metodyczne aspekty oceny cech fizycznych ziarna pszenicy. Rocz. Nauk Roln., Seria D – Monografie – Tom 160, PWN Warszawa 1976. 10. Vandeginste G.M., Massart D.L., Buydens L.M.C., de Jong S., Lewi P.J., SmeyersVerbeke J.: Handbook of Chemometrics and Qualimetrics: Part B. Elsevier, Amsterdam Lausanne – New York – Oxford – Shannon – Singapore – Tokyo 1997. 974 R. SIUDA i in. ASSESSMENT OF CAPABILITY OF SKCS FOR DETECTION OF FUSARIUM HEAD BLIGHT IN WHEAT GRAIN Ryszard Siuda1, Andrzej Grabowski1, Stanisław Grundas2 1 Institute of Mathematics and Physics, University of Technology and Life Sciences ul Kaliskiego 7, 85-796 Bydgoszcz e-mail: [email protected] 2 Institute of Agrophysics, Polish Academy of Sciences, ul. Doświadczalna 4, 20-290 Lublin A b s t r a c t . Single Kernel Characterization System (SKCS) measurements provided mass, diameter, moisture and hardness of single kernels from samples of grain of two wheat cultivars (Kris and Turnia). In both cultivars scabby (harvested from plots where inoculation with Fsarium culmorum was applied) and healthy (no inoculation) grain was measured. Prior to measurements, part of scabby grain was divided into several categories of infestation according to visual symptoms. SKCS results for all categories of infestation were subject to principal components analysis and linear discrimination analysis. It was found that the analysis distinguished healthy and infested grain, however Fisher’s coefficient equal to 3.56 showed the distinguishing was not enough to be used in practical applications. The same procedure applied to healthy and infested (without subdivision into categories of infestation) grain of both cultivars resulted in Fisher’s coefficient of 28.6. This result is promising and the applied procedure could be expected to be used in practice, provided the results will be confirmed for more cultivars of wheat. K e y w o r d s : single kernel physical properties, scab, fusarium head blight, wheat